MIT研發(fā)RoadTracer，它能夠?qū)⒌貓D繪制精度提高45%

RoadTracer（道路追蹤器） 系統(tǒng)從道路上已知的位置開始，使用神經(jīng)網(wǎng)路檢查周邊地區(qū)，以確定哪些點最有可能成為下一部分的道路。系統(tǒng)將最有可能的一點添加進地圖，不斷重復上述步驟，慢慢追蹤出這條道路。它能夠?qū)⒌貓D繪制精度提高45% ，這對于谷歌這樣的科技巨頭所構建的自動化地圖繪制系統(tǒng)來說至關重要。

地圖類應用對現(xiàn)實世界影響深遠，然而已經(jīng)繪制出的地圖卻僅僅是現(xiàn)實世界的一小部分。

地圖繪制是一件尤其乏味的工作：即使在拍攝了航拍圖像之后，谷歌之類的科技巨頭仍然需要耗費很多時間去手動繪制地圖。因此到目前為止，科技巨頭們還未完成全球約 2000 多萬英里道路的地圖繪制工作。

此外，地圖信息的缺失一直是一個棘手的問題，尤其對于仍處于開發(fā)階段的自動駕駛汽車系統(tǒng)來說更是如此。

為了解決這一問題，麻省理工學院計算機和人工智能實驗室（CSAIL）的研究員們研發(fā)了一種自動構建路線圖的方法——RoadTracer（道路追蹤器），比現(xiàn)有方法的精確度高出 45%。

該團隊表示，在利用航拍圖像數(shù)據(jù)的基礎上，RoadTracer 不僅比現(xiàn)有方法更加精確，而且更具成本效益。

麻省理工學院的教授 Mohammad Alizadeh 認為，這項工作不僅會對谷歌這樣的科技巨頭起到作用，對一些缺乏資源創(chuàng)建地圖、糾正地圖錯誤的小型機構來說也是大有助益。

「RoadTracer 非常適合繪制那些經(jīng)常需要更新地圖的區(qū)域，其中包括人口較少但卻頻繁施工的地方，」Alizadeh 說道，Alizadeh 近期與他人聯(lián)合發(fā)表了一篇關于 RoadTracer 的論文。

「以泰國郊區(qū)為例，一些偏遠郊區(qū)的地圖經(jīng)常丟失了很多道路信息。RoadTracer 可以幫助繪制出更加精確的地圖?！?/p>

在使用紐約市航拍圖像的測試中，RoadTracer 可以正確繪制出 44% 的道路交叉口，不僅準確度比基于圖像分割的傳統(tǒng)方法 (通常只能繪制出 19%）高出兩倍，而且在效率上也不遑多讓。

這篇論文將在 6 月份猶他州鹽湖城舉辦的計算機視覺和模式識別會議（CVPR）上發(fā)布。本文是麻省理工學院 CSAIL 實驗室和卡塔爾計算機研究所（QCRI）合作的成果。

Alizadeh 方面在麻省理工的合著者還包括 Fayven Bastani 和 Songtao He 等研究生以及 Hari Balakrishnan、Sam Madden 和 David DeWitt 等教授。

QCRI 方面的合著者包括高級軟件工程師 Sofiane Abbar 和 QCRI 數(shù)據(jù)分析小組的研究主管 Sanjay Chawla。

RoadTracer 系統(tǒng)如何創(chuàng)建地圖？

訓練神經(jīng)網(wǎng)絡識別航拍圖像是當前自動化地圖繪制領域的常用方法，使用神經(jīng)網(wǎng)絡識別單個像素點，將其歸類為「道路」或是「非道路」。

因為航拍圖像通常模糊不清并且不甚完整，因此這類系統(tǒng)的運作通常還需要一個后續(xù)的處理步驟，來 填補圖像中的空白。

不幸的是，這些所謂的「分割方法」往往不大精確：如果模型錯誤地標記了一個像素點，這個錯誤將會在最終成型的地圖中被放大。

尤其是當航拍圖像中包含樹木、建筑和陰影等干擾因素時，會模糊地圖中道路的開始與結(jié)束點，在這樣的情況下，錯誤尤其可能出現(xiàn)。（后處理步驟還需要根據(jù)僅有少量情況成立的假設作出決策，比如因為兩條道路彼此間隔很小就將其相連等。）

相比之下，RoadTracer 系統(tǒng)則是一步一步地創(chuàng)建地圖。

從道路上已知的位置開始，使用神經(jīng)網(wǎng)路檢查周邊地區(qū)，以確定哪些點最有可能成為下一部分的道路。系統(tǒng)將最有可能的一點添加進地圖，不斷重復上述步驟，慢慢追蹤出這條道路。

Bastani 表示，「RoadTracer 并非同時檢索地圖中成千上萬個不同的點，決定它們分別代表道路的哪一部分，而是首先著眼于一個簡單的問題，即從一個已知道路的特定地點出發(fā)，再決定向哪個方向探索。在很多方面，這和我們?nèi)祟悩嫿ㄖ車澜绲男闹悄Ｐ偷姆绞胶芟??！?/p>

該團隊使用了北美和歐洲的六個國家共計 25 個城市的航拍圖像在 RoadTracer 上進行訓練，然后又在另外 15 座城市評估了這個工具的繪圖能力。

「測繪系統(tǒng)需要在未訓練過的城市中達到優(yōu)異的效果，這一點非常重要，因為那些地圖不存在或是不準確的區(qū)域才是 RoadTracer 大顯身手的地方。」Balakrishnan 說道。

Bastani 表示，RoadTracer 能夠?qū)㈠e誤率降低 45% 這一事實，對于谷歌這樣的科技巨頭所構建的自動化地圖繪制系統(tǒng)來說至關重要。

「如果錯誤率太高的話，比起從推測的地圖中移除錯誤道路，還是從頭開始手動繪制地圖更加有效。」

盡管如此，實施像 RoadTracer 這樣的方式并不會讓人類 完全當一個旁觀者。該團隊表示 RoadTracer 的參與方式首先是繪制出大區(qū)域的路線圖，隨后讓人類專家仔細地進行二次檢查。

Alizadeh 說道，「很明確，RoadTracer 系統(tǒng)可以大大減少人類要完成的繁復工作。」

事實上，RoadTracer 的漸進式繪圖法有一個優(yōu)點，它可以更容易地糾正錯誤——這樣人類監(jiān)督者可以簡單地糾正錯誤，并從出錯的地方重新運行算法，而不是像往常那樣由當前不準確的信息繼續(xù)探索地圖的其他部分。

當然，航拍圖像只是圖像繪制中眾多問題的一部分。航拍圖像不會顯示天橋和地下通道的信息，從空中根本不可能確定這些信息。

因此，該團隊還開發(fā)了可以從 GPS 數(shù)據(jù)創(chuàng)建地圖的算法，并將這些方法合并到單個系統(tǒng)中進行地圖繪制。

目前，這個項目得到了卡塔爾計算研究所的部分支持。